融合EMD與全局版人工魚群LS-SVM的網(wǎng)絡(luò)流量預(yù)測
發(fā)布時(shí)間：2018-03-31 15:18
本文選題：經(jīng)驗(yàn)?zāi)Ｊ椒纸?/strong> 切入點(diǎn)：本征模式分量 出處：《激光雜志》2014年05期
【摘要】：為提高網(wǎng)絡(luò)流量預(yù)測模型對穩(wěn)定性和精度要求,提出了一種融合經(jīng)驗(yàn)?zāi)Ｊ椒纸?EMD)和全局版人工魚群LS-SVM模型的網(wǎng)絡(luò)流量預(yù)測算法。該模型首先通過EMD分解,將原始流量的非平穩(wěn)序列分解為若干不同尺度的平穩(wěn)IMF(固有模態(tài)分量)分量,再用LS-SVM模型分別對各分量進(jìn)行預(yù)測,其中LS-SVM的參數(shù)用全局版人工魚群算法進(jìn)行優(yōu)化;最后通過SVM組合得到原始序列的預(yù)測值。仿真實(shí)驗(yàn)驗(yàn)證了該算法的預(yù)測準(zhǔn)確性和穩(wěn)定性。
[Abstract]:In order to improve the stability and accuracy of network traffic prediction model, a network traffic prediction algorithm based on empirical mode decomposition (EMD) and global artificial fish swarm LS-SVM model is proposed. The model is decomposed by EMD. The non-stationary sequence of the original flow is decomposed into a number of stationary IMF (intrinsic mode component) components of different scales, and then each component is predicted by LS-SVM model, in which the parameters of LS-SVM are optimized by the global version artificial fish swarm algorithm. Finally, the prediction value of the original sequence is obtained by SVM combination, and the simulation results show that the algorithm is accurate and stable.
【作者單位】： 新疆大學(xué)信息科學(xué)與工程學(xué)院;中國移動(dòng)通信集團(tuán)新疆有限公司;
【基金】：中國移動(dòng)通信集團(tuán)新疆有限公司發(fā)展基金項(xiàng)目(項(xiàng)目編號:XJM2012-01)
【分類號】：TP393.06
【參考文獻(xiàn)】
相關(guān)期刊論文 前10條
1 魏永濤;汪晉寬;王翠榮;張琨;;基于小波變換與組合模型的網(wǎng)絡(luò)流量預(yù)測算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年10期
2 王軍棟;齊維貴;;基于EMD-SVM的江水濁度預(yù)測方法研究[J];電子學(xué)報(bào);2009年10期
3 姜明;吳春明;張e，
本文編號：1691301
本文鏈接：http://sikaile.net/guanlilunwen/ydhl/1691301.html
最近更新
教材專著
